【正文】 前面的 Hough 變換理論中，曾 提到坐標平面 Oxy 上的一條直線和坐標平面 O?? 中的一點一一對應(yīng)。 30 第 4章 姿態(tài)角估計 在上一章中， 詳細介紹了圖像的預(yù)處理和直線提取算法，通過對著陸區(qū)域的特征提取，已經(jīng)可以初步識別跑道。這里主要有三個坐標系：地面坐標系、機體坐標系和攝像機坐標系，下面對它們的相互關(guān)系進行研究。 攝像測量相關(guān) 的坐標系 圖 為攝像測量所需各坐標系之間的關(guān)系圖， w w w wOx y z 為世界坐標系，c c c cOxyz 為攝像機坐標系， Oxy 為圖像物理坐標系。因此， 可以用 世界坐標系和攝像機坐標系間的關(guān)系來表述無人直升機機體坐標系和地面坐標系之間的角度關(guān)系。 之間的 關(guān)系 世界坐標系中的點到攝像機坐標系的變換可以由一個正交變換矩陣 R 和一個平移變換矩陣 T 來表示： 1 1 1 2 1 32 1 2 2 2 33 1 3 2 3 3c w wc w wc w wx x xr r ry R y T r r r y Tr r rz z z? ? ? ? ? ???? ? ? ? ? ???? ? ? ?? ? ? ? ? ?? ? ? ? ? ???? ? ? ? ? ? （ ） 其中， ? ?0 0 0, TT x y z? 是世界坐標系原點在攝像機坐標系中的坐標，矩陣 R 為： c o s s in s in s in c o s s in s in s in c o s c o s c o s s inc o s s in c o s s in s in s in s in c o s c o s s in c o s c o sc o s c o s s in c o s s inR? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ???????? ? ???? （ ） 正交變換矩陣 R 是攝像機坐標系相對世界坐標系的方向余弦的組合，含有三個獨立的變量： 偏航角 ? ，俯仰角 ? ，滾轉(zhuǎn)角 ? 。根據(jù)式（ ）和式（ ）可知，在攝像機內(nèi)部參數(shù)確定的情況下，利用若干個已知的物點和其對應(yīng)的像點坐標，可以求解出攝像機在世界坐標系中的空間位置和姿態(tài)。 37 O xybybx? ?bOl??z? ?bz 圖 H 的橫向中心線的直線參數(shù)與偏航角 ? 的關(guān)系 在第 3 章的數(shù)字圖像預(yù)處 理直線提取的過程中， 用 Hough 變換提取到了著陸平臺上的 H所對應(yīng)的三條邊界，在直線檢測的方程 cos sinxy? ? ???中，可以通過設(shè)定 ? 角的范圍來檢測出 需要的直線。 當無人直升機 上的機載攝像機的光心固定時，像平面隨攝像機的光軸ccOz的運動而運動。 俯仰角的估計 在第 2 章中曾 提到，無人直升機有不同的俯仰角時，著陸場景中的 H 在圖像坐標系中縱軸的位置不同 ，本文 可以以 H 的橫向中心 線 l 在圖像中的位置作為研究對象。 其中 z 為光軸，與無人直升機的機體坐標系的 bbOz 軸重合， S 為像平面 ，l 為著陸平臺上的 H 的橫向中心線 ，設(shè)直線 l 與圖像物理坐標系的 x 軸的夾角為 ? ，從圖中可以看出 ? 和 ? 這兩個角是相等的。 由式 — 可以得出物點 P 與像素圖像中的像點 p 之間的變換關(guān)系： 0 //x c c x c cu u fs x z f x z? ? ? （ ） 0 //y c c y c cv v fs y z f y z? ? ? （ ） 式中， xxf fs? ， yyf fs? 分別定義為 x 軸和 y 軸方向上的等小焦距。 u 、 v 分別表示某像素在數(shù)字圖像中的列數(shù)和行數(shù)。 哈爾濱工程大學(xué)本科生畢業(yè)論文 b b b bOx yz 是機體坐標系，原點 bO 取在無人直升機質(zhì)心，坐標系與無人直升機固連， bbOx 與無人直升機機身的設(shè)計軸線平行，處于無人直升機對稱面內(nèi)， bbOy垂直于機體對稱面指向右方， bbOz 在無人直升機對稱面內(nèi)，且垂直于 bbOx 指向下方。本文可以通過提取 著陸平臺上 H的橫向中心 線，以其在圖像坐標系中的斜率和位置來判斷無人直升機的偏航角和俯仰角。 通過對著陸場景圖片邊緣處理的對比確定使用一階微分算子，然后通過對噪聲的抑制 效果確定使用 Sobel 算子作為本文的邊緣檢測算子。 圖 Hough變 換后的結(jié)果。因此 可以根據(jù)精度將 O?? 平面劃分為等間隔的小直方網(wǎng)格，這個直方網(wǎng)絡(luò)對應(yīng)于一個計數(shù)序列。 26 變換。 25 由于 Laplace 算子為二階差分，其方向信息丟失，常產(chǎn)生雙像素，對噪聲有雙倍加強作用，因此很少直接用于邊緣檢測。 24 ? ? ? ? ? ? ? ?? ? ? ? ? ?, 1 , 1 2 1 , 1 , 11 , 1 2 1 , 1 , 1yf x y f x y f x y f x yf x y f x y f x y? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? （ ） ? ? ? ? ? ?, , ,xyG f x y f x y f x y???????? （ ） 式中 ? ?,xf x y? 、 ? ?,yf x y? 分別表示 x 方向和 y 方向的一階微 分， ? ?,G f x y????為Sobel 算子的梯度， ? ?,f xy 是具有整體像素坐標的輸入圖像。 23 圖像的邊緣檢測就是基于微分的作用，通過求一階導(dǎo)數(shù)極值點或二階導(dǎo)數(shù)過零點來檢測邊緣。 22 (c) 閾值 T =230 圖 不同閾值 T 時圖像分割的結(jié)果 上述的圖像顯示，當閾值 T =230 時，跑道區(qū)域 中 的 H 已經(jīng)完全從圖像背景中顯現(xiàn)出來，圖像轉(zhuǎn)化為二值圖像，在二值圖像中進行邊緣檢測和 直線提取顯得較為容易。雖然局部閾值分割可以進一 步提高圖像的分割質(zhì)量，但是其分割算法時間復(fù)雜度很高，處理圖像尤其 是處理大分辨率彩色圖像的速度 很慢 ，而且其最終效果與全局閾值法相差無幾。在許多情況下，圖像中不同類型區(qū)域內(nèi)部各自的灰度分布是均勻或相對均勻的，但區(qū)域之間的灰度或平均灰度是不同的， 可以將灰度的均一性作為依據(jù)進行圖像的分割和區(qū)域的提取。 本文 所處理的圖像中的噪聲大多是離散的白色斑點，可以看作 是 椒鹽噪聲中的 鹽噪聲 ，因此，選 用中值 濾波的方法對圖像進行消噪處理比較好。 imadjust函數(shù)可用于簡單的圖像增強處理，增強對比度實際上是增強原圖 像中 各部分的反差。加權(quán)平均法的 算法為： ? ? ? ? ? ? ? ?, 0 . 3 0 , 0 . 5 9 , 0 . 1 1 ,f i j R i j G i j B i j? ? ? （ ） 在本文的灰度 化 處理算法中， 采用加權(quán)平均法對 拍攝到的著陸場景 圖像進行灰度化處理， 灰度化處理后的 效果圖如下 所示 ： 哈爾濱工程大學(xué)本科生畢業(yè)論文 15 第 3章 數(shù)字 圖像預(yù)處理 由機載攝像設(shè)備拍攝到的圖像一般都存在或大或小的噪聲，對于本文中的 跑 道檢測和邊緣提取有很大的干擾 作用，因此，對數(shù)字圖像進行預(yù)處理顯得非常 重要。圖 是飛行器有俯仰角時拍攝到的著陸場景，不同俯仰角時，著陸場景中的 H在圖像坐標系中縱軸的位置不同，有俯仰角時 H在縱軸上位置與沒有俯仰角時 H在圖像中的基準位置進行對比，可以解算出飛行器的俯仰角。 方案二提出了較為新穎 的飛行參 數(shù) 的算法，但不適合于無人直升機的垂直起降。無人直升機在垂直 降落的過程 中，為了方便圖像采集，本課題設(shè)計 將機載攝像設(shè)備安裝在無人直升機的正下方，攝像頭向下拍攝圖片，這樣可以更好地識別跑道。姿態(tài)角與機體角速度之間的運動學(xué)關(guān)系為： ? ?? ?t a n c os si nc os si n / c osc os si nx y zyzzy? ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ?? ? ? ??????? ???? （ ） 式中， m 是全機質(zhì)量， xI ， yI ， zI 是機體三個軸方向的慣量矩， xzI 是慣量積，g 是重力加速度，并假設(shè)它們都為常數(shù)。 上述的已有的視覺導(dǎo)航技術(shù)都已經(jīng)逐漸成熟，各種方法都可 以實現(xiàn)飛行器的著陸導(dǎo)航，但其適用對象有所區(qū)別，方法也有優(yōu)劣，課題的研究中要結(jié)合已有的技術(shù)來設(shè)計選擇本文 的設(shè)計方案。 P4P 問題與 P3P 類似，應(yīng)用到飛機導(dǎo)航中時，由于飛機跑道通常都是矩形，并且該矩形的長度和寬度都是已知的，因此通過該矩形的四個頂點以及其在像平面中的對應(yīng)像點可以用 P4P 的方法求解出各點的具體位置，從而可以確定出飛機的飛行姿態(tài) [13]。 8 對跑道場景中的兩條跑道邊線和一條著陸線進行檢測，這樣做不需要人為設(shè)置著陸標志，而且這些線具有明顯的可視性和直線性，可直接算出飛行器的姿態(tài)角 [10]。而地平線和飛行器的俯仰角、滾轉(zhuǎn)角有密切的聯(lián)系，由它們的關(guān)系可以解算出飛行器的俯仰角和滾轉(zhuǎn)角 [8]。 已有視覺導(dǎo)航技術(shù)的概述 隨著機器視覺技術(shù)的發(fā)展，飛行器降落過程中的跑道識別技術(shù)已經(jīng)日趨哈爾濱工程大學(xué)本科生畢業(yè)論文 微飛行器 的 選擇 常見的飛行器有按翼形可分為固定翼和旋翼 兩種，固定翼主要有噴氣式飛機，而旋翼主要是直升機。由于 H形目標區(qū)域矩具有透視投影不變的特征，在具體的實施過程中，首先對大量圖像上的 H形目標區(qū)域矩進行統(tǒng)計，得到一個統(tǒng)計量作為該目標區(qū)域矩的正確值，實際飛行過程中，將計算的矩值與正確值比較，如果在誤差范圍內(nèi)，則認為目標被識別，如果在誤差范圍外，則目標錯誤。 在國內(nèi)，北京航空航天大學(xué)較早開始研究基于視覺的無人機自主著陸。 3 程中的幾個部分：圖像處理、姿態(tài)估計和著陸控制，并給出了實際的飛行試驗結(jié)果 [5]。 2 計好的幾何形狀的著陸目標物上，所有的特征點都在一個平面上，從而使得視覺算法是快速的，而且計算量較小。目前，微飛行器的應(yīng)用范圍已擴大至軍事、民用、科研三大領(lǐng)域，得到越來越多的研究。 微飛行器的姿態(tài)角是它穩(wěn)定飛行和安全著陸的重要導(dǎo)航參數(shù)。本文 主要研究了微飛行器著陸過程中 ，利用機載照相設(shè)備獲取微飛行器著陸姿態(tài)、識別跑道的 技術(shù) 。 flying parameter 哈爾濱工程大學(xué)本科生畢業(yè)論文 目 錄 第 1 章 緒論 ....................................................................................... 1 微飛行器應(yīng)用背景 ................................................................................... 1 國內(nèi)外研究現(xiàn)狀 ....................................................................................... 1 本文的研究內(nèi)容 ........................................................................................ 4 第 2 章 方案設(shè)計的論證 ................................................................... 6 微飛行器的選擇 ....................................................................................... 6 已有視覺導(dǎo)航技術(shù)的概述 ....................................................................... 6 直升機非線性數(shù)學(xué)模型的組成 ............................................................... 9 本文的設(shè)計方案 ......................................................................................11 本章小結(jié) ................................................................................................. 14 第 3 章 數(shù)字圖像預(yù)處理 ...................................